Wyniki wyszukiwania - BazTech

1

Product quality monitoring using artificial neural networks

Wood C. H., Harrison D. K., Szpytko J.

Biuletyn Wojskowej Akademii Technicznej

|

2004

|

Vol. 53, nr 7

173-183

PL

Rozwój automatyzacji maszyn i urządzeń wymaga nowego spojrzenia na współdziałanie w układzie człowiek/operator - urządzenie. Automatyka przyczynia się do poprawy bezpieczeństwa i niezawodności układów antropocentrycznych, jednakże wiedza i umiejętności operatora są nadal istotne w procesie eksploatacji maszyn i urządzeń. Rozwijane są działania zorientowane na ciągłe monitorowanie stanu technicznego procesu typu CM (ang. Condition Monitoring). Przedmiotem artykułu są wyniki badań noża tokarki podczas operacji skrawania. Rejestrowane podczas skrawania wibracje są analizowane w odniesieniu do uzyskanej jakości obrabianej powierzchni. Jakość obrabianej powierzchni była przedmiotem klasyfikacji dla potrzeb sieci neuronowych. Na podstawie przeprowadzonych badań sformułowano korelacje pomiędzy poziomem wibracji noża skrawającego tokarki a jakością obrabianego przedmiotu. Otrzymane z badań wyniki umożliwiły opracowanie narzędzia uniemożliwiającego realizację operacji w rezultacie, której jakość obrabianej powierzchni nie będzie zadawalająca. Opracowane narzędzie wykorzystuje w procesie decyzyjnym sieci neuronowe.

EN

With the trend towards the use of automated systems apparent and the removal of direct human contact in the manufacturing of components, the expertise associated with human operators is also being eroded. While automation can reduce human errors, improve safety and economy of operation, it is felt that the loss of benefits felt due to the human expertise might be recovered. The process of condition monitoring (CM) involves monitoring the condition of a particular machine to attempt to detect the adverse changes that would indicate that the performance of the machine is failing. This paper reports the results of acquiring vibration readings during the cutting operation of a centre lathe and analysing the data off-line with a view to determining the state of the Surface Finish produced during the cutting procedure. The process of using the Artificial Neural Networks to classify the measured signature analysis data into distinguished classes of Surface Finish quality will be discussed. This is part of a body of on-going work which aims to show how automated techniques employing Artificial Intelligence are preferred if CM is to make a real impact in the manufacturing industry.

2

Wspomaganie złożonych systemów sterowania metodami statystycznymi

Płaska S.

Prace Naukowe Instytutu Technologii Maszyn i Automatyzacji Politechniki Wrocławskiej. Konferencje

|

2003

|

Vol. 84, nr 41

329-335

PL

W pracy przedstawione zostały wady klasycznych zautomatyzowanych układów sterowania procesami wytwarzania o charakterze masowym. Na tle dyskusji tych wad zaproponowano rozwiązanie modelowej organizacji struktur danych i przepływu informacji podczas nadzorowania procesu wytwórczego. Pracę podsumowują zadania poziomu sterowania jakością oraz wymagania techniczne takiego systemu.

EN

The paper outlines main problems that occur in classical mass production control systems. The discussion concludes with a model structure for data and information exchange and process monitoring. The outline of the role of quality control layer along with the technical requirements is included.

3

Nadzorowanie jakości wyprasek wtryskowych

Płaska S.

Polimery

|

1999

|

T. 44, nr 4

262-268

PL

Omówiono zadania składające się na nadzorowanie jakości procesu wtryskiwania. Zwrócono uwagę na zmienność warunków wtryskiwania obserwowanych podczas wytwarzania takich samych wyprasek w ciągu pięciu dni (rys. 4 i 5), a nawet jednego dnia (rys. 6). Podano główne czynniki dyskryminujące wtryskiwanie oraz przytoczono przykładowe zależności między wybranymi zmiennymi procesu (zależność masy wypraski od czasu wtryskiwania, prędkości obrotowej ślimaka oraz wskaźnika energii wtryskiwania - rys. 7 i 8). Zaproponowano system informatyczny przydatny do zautomatyzowanego nadzorowania procesu wtryskiwania (rys. 9 i 10).

EN

Supervision tasks are discussed, comprising the injection molding process. Variability of injection molding parameters is emphasized observed, in the production of identical products over five days (Figs. 4 and 5) and even within one day. The major factors governing injection molding are mentioned and illustrative relationships between selected process parameters (product mass in relation to time, to screw rotation speed and to injection energy index) are given. An information system is suggested, useful for automated supervision of the injection molding process (Figs. 9 and 10).